基于机器学习的审计模型构建方法、装置、设备和介质与流程

本发明涉及审计，特别涉及一种基于机器学习的审计模型构建方法、装置、设备和介质。

背景技术：

1、在处理庞大的电网数据时，会适当采用审计模型对其进行辅助处理，但由于现有的审计模型的形式多为使用文档文件(如excel、word)等形式记录模型思路、规则等要素信息，并形成一份模型清单，再将清单共享给他人使用，这种方法不仅需要工作人员专门维护模型清单，而且收集的审计模型往往都存在关键信息缺失、描述不准确等问题，导致构建的审计模型与数据分析需求不匹配，进而影响数据分析结果的置信度。

2、因此，如何构建信息完整且与数据分析需求匹配的审计模型是目前需要解决的问题。

技术实现思路

1、本发明提供一种基于机器学习的审计模型构建方法、装置、设备和介质，旨在构建信息完整且与数据分析需求匹配的审计模型。

2、为了实现上述发明目的，本发明第一方面提出一种基于机器学习的审计模型构建方法，所述方法包括：

3、接收数据分析申请，并判断所述数据分析申请中是否存在源数据；

4、若是，则根据所述数据分析申请获取模型配置，所述模型配置包括模型目录、模型参数以及模型属性；

5、将所述模型配置归并至预先搭建的模型框架中，得到审计模型。

6、进一步地，所述接收数据分析申请之后，还包括：

7、对所述数据分析申请进行解析，获取数据分析需求清单；

8、按照分析需求紧急程度对所述数据分析需求清单中的分析申请进行排序，得到排序数据分析需求清单。

9、进一步地，所述判断所述数据分析申请中是否存在源数据之后，还包括：

10、若所述数据分析申请中存在源数据，则根据预设的存储规则将所述源数据存储至预设的数据存储库中，并将所述数据存储库推送至数据处理中心。

11、进一步地，所述判断所述数据分析申请中是否存在源数据之后，还包括：

12、若所述数据分析申请中不存在源数据，则根据预设的数据采集策略采集源数据，并根据预设的存储规则将所述源数据存储至预设的数据存储库中，以及将所述数据存储库推送至数据处理中心。

13、进一步地，所述得到审计模型之后，还包括：

14、对所述审计模型进行核验，判断所述审计模型的配置信息是否完整；

15、若所述配置信息完整，则检查所述审计模型是否正确；

16、若正确，则对所述审计模型进行确认，并终止模型构建流程。

17、进一步地，所述得到审计模型之后，还包括：

18、根据所述数据分析申请对所述数据存储库中的源数据进行数据选择，得到待分析数据；

19、使用所述审计模型对所述待分析数据进行数据处理，得到审计数据。

20、本申请还提供一种基于机器学习的审计模型构建装置，所述装置包括：

21、接收模块，用于接收数据分析申请，并判断所述数据分析申请中是否存在源数据；

22、获取模块，用于若存在源数据，则根据所述数据分析申请获取模型配置，所述模型配置包括模型目录、模型参数以及模型属性；

23、归并模块，用于将所述模型配置归并至预先搭建的模型框架中，得到审计模型。

24、进一步地，所述接收模块，包括：

25、解析单元，用于对所述数据分析申请进行解析，获取数据分析需求清单；

26、排序单元，用于按照分析需求紧急程度对所述数据分析需求清单中的分析申请进行排序，得到排序数据分析需求清单

27、本申请还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的基于机器学习的审计模型构建方法的步骤。

28、本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的基于机器学习的审计模型构建方法的步骤。

29、有益效果：在本申请中，通过接收用户提交的数据分析申请，并判断所述数据分析申请中是否存在源数据；若所述数据分析申请中存在所述源数据，表示该数据分析申请符合要求，则根据所述数据分析申请获取模型配置，所述模型配置包括模型目录、模型参数以及模型属性，其中，模型目录明确了模型的主题信息，模型参数明确模型的指标变量，模型属性明确模型的用途；将所述模型配置归并至预先搭建的模型框架中，进而得到信息完整且与数据分析申请相匹配的审计模型，该审计模型具备对数据进行分析、评估的性能，可为数字化的审计项目实施提供技术支撑，并提升数据审计监督效能。

技术特征：

1.一种基于机器学习的审计模型构建方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于机器学习的审计模型构建方法，其特征在于，所述接收数据分析申请之后，还包括：

3.根据权利要求1所述的基于机器学习的审计模型构建方法，其特征在于，所述判断所述数据分析申请中是否存在源数据之后，还包括：

4.根据权利要求1所述的基于机器学习的审计模型构建方法，其特征在于，所述判断所述数据分析申请中是否存在源数据之后，还包括：

5.根据权利要求1所述的基于机器学习的审计模型构建方法，其特征在于，所述得到审计模型之后，还包括：

6.根据权利要求3或4任一项所述的基于机器学习的审计模型构建方法，其特征在于，所述得到审计模型之后，还包括：

7.一种基于机器学习的审计模型构建装置，其特征在于，所述装置包括：

8.根据权利要求7所述的基于机器学习的审计模型构建装置，其特征在于，所述接收模块，包括：

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的基于机器学习的审计模型构建方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的基于机器学习的审计模型构建方法的步骤。

技术总结
本发明属于审计技术领域，特别是涉及一种基于机器学习的审计模型构建方法、装置、设备和介质，其中，方法包括：接收数据分析申请，并判断所述数据分析申请中是否存在源数据；若是，则根据所述数据分析申请获取模型配置，所述模型配置包括模型目录、模型参数以及模型属性；将所述模型配置归并至预先搭建的模型框架中，得到审计模型。本发明根据数据分析申请进行模型构建，以获取符合数据分析需求且信息完整的审计模型，该审计模型具备对数据进行分析、评估的性能，用户可使用该审计模型对大数据进行审计处理，进而提高数据处理的效率。

技术研发人员：邓志勇,戴烨元,龙敏丽
受保护的技术使用者：广东卓维网络有限公司
技术研发日：
技术公布日：2024/1/14